大數(shù)據(jù)的三大理念解析_數(shù)據(jù)分析師

維克托·邁爾·舍恩伯格同學(xué)曾在他的作品《大數(shù)據(jù)時(shí)代》中總結(jié)了相對于傳統(tǒng)的思維模式，大數(shù)據(jù)時(shí)代需要做出的三個(gè)轉(zhuǎn)變，也可以說是大數(shù)據(jù)思維模式的三個(gè)理念。這里也不準(zhǔn)備標(biāo)新立異了，還是沿著這個(gè)思路。不過，對于這種觀點(diǎn)，我們還是需要批判的看待，既不能像網(wǎng)上某些人的評論那樣將其批判的一無是處，也不能不假思索的全盤接受。用馬克思主義哲學(xué)的說法，只有使用去粗取精、去偽存真的方式，取其精華，棄其糟粕，才能真正了解其精髓，從而實(shí)現(xiàn)繼承和發(fā)揚(yáng)。
　　
一、大數(shù)據(jù)的理念之：用全量代替樣本
　　
1841年埃德加·愛倫·坡發(fā)表了文學(xué)史上的第一部偵探小說《莫格街謀殺案》，盡管這部小說的解答有些欠抽，但不可否認(rèn)，它開創(chuàng)了偵探小說的一種模式——“密室”，而這種模式被后來人所追隨，以至于似乎沒有寫過這種類型小說的都不算是偵探小說作家。所謂的“密室”，就是在一個(gè)封閉的空間內(nèi)犯下的兇案，終極目標(biāo)就是解答出兇手的犯案方式以及如何從密室中逃脫。在一代又一代的偵探小說家的努力下，密室的難度越來越大，從正常人無法進(jìn)入到所有人類都無法進(jìn)入，直至正常情況下所有生物都無法進(jìn)入。然而即便這樣，如果嚴(yán)格來說的話，絕對的密室是不存在的，它肯定會(huì)有空隙，就算看起來密不透風(fēng)也從微觀的角度找到某些空隙。既然不可能達(dá)到絕對的封閉，只能使用相對的概念，對于正常人無法進(jìn)入的空間都屬于密室，否則整個(gè)偵探小說界就少了一個(gè)很重要的組成部分。
　　
剛接觸化學(xué)課的時(shí)候，接觸到了純凈物和混合物的概念，與此同時(shí)也提到了，絕對的純凈物是不存在的，即使是再精確的提純。于是，對于一種物質(zhì)，只要沒有提到存在雜質(zhì)，默認(rèn)按照純凈物來看待，否則就不僅僅是幾道考試題的問題了，可能整個(gè)化學(xué)學(xué)科的研究都沒法開展下去了。例如兩種物質(zhì)發(fā)生反應(yīng)，如果按照實(shí)際情況都當(dāng)作混合物看待，不斷的糾結(jié)于各種雜質(zhì)的問題，那就偏離了真正的研究方向。
　　
舉了上面兩個(gè)貌似不相干的例子，想表達(dá)的觀點(diǎn)就是，和多、少這類的相對概念一樣，實(shí)際上全也是一個(gè)相對的概念，絕對的全也是不存在的。之所以這么說，主要有兩方面的原因：
　　
首先，當(dāng)數(shù)據(jù)量超過一個(gè)范圍之后，取得全部信息會(huì)很復(fù)雜，以至于可能根本是無法完成的任務(wù)。如果要獲取一個(gè)學(xué)校所有學(xué)生的某個(gè)信息，這個(gè)很容易，只需要將全校的學(xué)生聚集起來一起獲取，或者以班級為單位單獨(dú)獲取之后再進(jìn)行匯總，因?yàn)橐粋€(gè)學(xué)校不管有多大，學(xué)生人數(shù)都不會(huì)太大。而如果要獲取全市所有人的某個(gè)信息呢，這似乎就是不可能的了：如果在大街上隨機(jī)詢問，對于那些不出門的宅男、宅女們的信息就沒法獲?。蝗绻ぜ野暨M(jìn)行詢問，對于那種經(jīng)常不在家的就不太容易能遇到，而且那種無家可歸的流浪漢的信息也沒有辦法獲取；如果通過電話詢問，也肯定有因?yàn)槟撤N原因無非接電話的人，或者看到是陌生號碼就是不接的；也許互聯(lián)網(wǎng)可以解決這種問題，但肯定有那種一心只跳廣場舞、對網(wǎng)絡(luò)世界一竅不通的大爺、大媽們，就算是網(wǎng)絡(luò)一族，也有可能因?yàn)椴魂P(guān)注或者不感興趣而對此完全無視。就算可以獲取全市所有人的信息，那推廣到全省、全國呢。要知道，所謂的所有人，包括那種沒有戶籍的“黑戶”，以及那種隱姓埋名的在逃犯等人群。
　　
就算這個(gè)問題可以隨著技術(shù)的進(jìn)步得以解決，那么接下來的問題就是在理論上都無法解決的，那就是有些屬性是連續(xù)的，比如時(shí)間、空間的概念。就像無法窮盡（0,1）之間的所有有理數(shù)一樣，取某個(gè)時(shí)間范圍內(nèi)所有時(shí)間點(diǎn)的某個(gè)信息，或者某個(gè)空間區(qū)域中所有位置的某個(gè)信息，從理論上講都是不可能的，因?yàn)樗械臄?shù)據(jù)都只能獲取離散的信息點(diǎn)。
　　
綜上，獲取全部數(shù)據(jù)，在理論上和實(shí)際上都是不可能實(shí)現(xiàn)的，那么就只能變通一下。對于第一種情況，可以縮小調(diào)查范圍，只關(guān)注某種類型的信息，畢竟對于另外類型的信息有可能根本沒有實(shí)際意義，比如電商們不會(huì)關(guān)注那些從來不網(wǎng)購的人們是怎么想的；同時(shí)默認(rèn)，只要獲取的信息量超過總量的一個(gè)比例，就認(rèn)為它是全部數(shù)據(jù)。而對于第二種情況，可以通過細(xì)分相應(yīng)屬性來實(shí)現(xiàn)，比如在某個(gè)時(shí)間范圍內(nèi)每隔0.1秒獲取一次信息，就可以認(rèn)為是全部的時(shí)間點(diǎn)，畢竟這基本上是人類的最快反應(yīng)速度，要知道，百米比賽中發(fā)令槍響之后0.1秒之內(nèi)起跑的也屬于搶跑。
　　
當(dāng)然，隨著技術(shù)的發(fā)展，在數(shù)據(jù)全面這一點(diǎn)上，會(huì)越來越趨近這個(gè)目標(biāo)。盡管離這個(gè)目標(biāo)還有一定的距離，但現(xiàn)在已經(jīng)默認(rèn)我們掌握了全部的數(shù)據(jù)。之所以可以這樣假設(shè)，是因?yàn)樗^的“大數(shù)據(jù)”，更多的是一種思想，通過這種思想可以得到之前無法得到的結(jié)論。
　　
之所以這么說，是因?yàn)椤按髷?shù)據(jù)”思維和傳統(tǒng)的思維有本質(zhì)的區(qū)別。
　　
記得當(dāng)年學(xué)習(xí)關(guān)于抽樣檢驗(yàn)相關(guān)知識的時(shí)候，舉過的一個(gè)例子，驗(yàn)證一批燈泡的使用壽命，需要隨機(jī)抽取一定數(shù)量的燈泡，通過這些燈泡的測試結(jié)果來驗(yàn)證這一批燈泡的合格率大約是多少。由于燈泡在測試完之后就沒法再使用了，所以無法采取全量的方式，因?yàn)槿绻菢幼龅脑?，最終得到的會(huì)是一個(gè)絕對正確的結(jié)論和一堆廢品。
　　
由于上述原因，只能通過抽樣的方式進(jìn)行這樣的檢驗(yàn)，于是形成了一套抽樣檢驗(yàn)的理論，包括如果進(jìn)行隨機(jī)抽樣，以及形成了期望、方差等統(tǒng)計(jì)學(xué)概念，最終形成了概率論與數(shù)理統(tǒng)計(jì)這樣的學(xué)科。
　　
接下來的問題就是，對于那些沒被抽樣檢測的燈泡，它的使用壽命信息就沒有實(shí)際意義了嗎？顯然不是。如果通過某種方式可以獲取了某工廠生產(chǎn)的所有使用過的燈泡的壽命（以目前的技術(shù)，這種信息應(yīng)該是可以獲取的），就可以得到一些可能更有用的信息，比如可以通過找到哪些因素可以讓燈泡的使用壽命更長，提高制作工藝從而提升整體的產(chǎn)品質(zhì)量。當(dāng)然，這僅僅是最容易想到的，實(shí)際上能夠獲取的信息會(huì)更多。
　　
而這種思維方式就是“大數(shù)據(jù)”的思維方式，它是處理那些已經(jīng)完成歷史使命的數(shù)據(jù)，在這種海量的歷史數(shù)據(jù)中找出規(guī)律，從而對未來進(jìn)行預(yù)測；或者找到相關(guān)的影響因素，從而改善方案以達(dá)到利益最大化。
　　
數(shù)據(jù)，和普通的商品不同，并不會(huì)隨著它的使用而消失；只要有足夠的存儲空間存放，它便會(huì)一直保留著。而“大數(shù)據(jù)”思維，恰恰是在處理這種已經(jīng)使用過的數(shù)據(jù)，并從中獲取到想要的信息。也許對于一次交易，只要結(jié)算完畢，交易信息就完成了歷史使命；對于一次實(shí)時(shí)檢測，只要得到結(jié)果并判斷是否需要人工干預(yù)，檢測信息就完成了歷史使命；對于一次網(wǎng)絡(luò)檢索，只要找到需要的信息，查詢結(jié)果信息就完成了歷史使命……然而，只要把這些已經(jīng)完成歷史使命的數(shù)據(jù)都匯集起來，也許會(huì)得到意想不到的結(jié)果。因?yàn)殡S著數(shù)量的累積，它會(huì)慢慢的誘發(fā)質(zhì)變。
　　
中國古人有一句諺語：“熟讀唐詩三百首，不會(huì)作詩也會(huì)吟?！蔽鞣絺商叫≌f里的人物福爾摩斯也曾經(jīng)曰過：“你掌握一百個(gè)案子的來龍去脈，第一百零一個(gè)案子一定不會(huì)在你的算計(jì)之外?！边@兩個(gè)貌似風(fēng)馬牛不相及的言論，恰恰反映了同一個(gè)理論，就是上學(xué)的時(shí)候物理課上經(jīng)常講的“量變到質(zhì)變”的理論，只要量變達(dá)到了一定程度，就會(huì)帶來質(zhì)的飛躍。
　　
其實(shí)分析一下，道理是一樣的：
　　
對于唐詩，只要被創(chuàng)造出來，抒發(fā)了詩人的情感，它就已經(jīng)完成了歷史使命。而通過熟讀前人的詩詞，只要達(dá)到了一定的數(shù)量（肯定是不止三百首了），以至于幾乎熟讀過所有前人的詩詞，就能夠分析出怎樣才能寫好一首詩，從而創(chuàng)造出新的詩篇來。
　　
對于案件，只要經(jīng)過調(diào)查分析，找到兇手及相關(guān)信息，最終結(jié)案，它就已經(jīng)完成了歷史使命。而通過研究前人偵破的案件，只要達(dá)到了一定的數(shù)量（肯定是不止一百個(gè)了），以至于幾乎研究過所有案件的所有相關(guān)信息，就能夠獲得破案的思路和方法，從而當(dāng)遇到新的案件時(shí)，就可以按照正確的偵破方向進(jìn)行。
　　
當(dāng)然，上面的言論有人為拔高的成分，不能這些言論都算作大數(shù)據(jù)的思維方式，然而所謂的“大數(shù)據(jù)”思維方式肯定不是憑空產(chǎn)生的，而它的來源其實(shí)就是這種“量變到質(zhì)變”的理論。畢竟，在一定的范圍內(nèi)，沒有比全部數(shù)據(jù)的量更大的數(shù)據(jù)集了。
　　
二、大數(shù)據(jù)的理念之：兼容不精確
　　
自然博物館，一游客問館里的講解員某個(gè)古生物化石距今有多少年，講解員答曰：“五百萬零二十年?！庇慰筒唤?，問這二十年是哪兒來的，講解員說：“我剛參加工作的時(shí)候，這個(gè)古生物化石距今有五百萬年；我現(xiàn)在工作了二十年，所以，這個(gè)古生物化石距今有五百萬零二十年?！碑?dāng)然，這僅僅是個(gè)段子。但從另一方面也說明了，當(dāng)數(shù)量超過了一定的范圍之后，其精確性已經(jīng)不重要了。
　　
然而，什么屬于精確性呢？
　　
上學(xué)的時(shí)候應(yīng)該都聽老師講過這樣的故事，說美國挑戰(zhàn)者號出現(xiàn)故障即將墜毀的時(shí)候，給航天員對自己親人做最后囑托的機(jī)會(huì)。其中一個(gè)航天員對自己的兒子說，挑戰(zhàn)者號之所以出現(xiàn)故障，就是因?yàn)殄e(cuò)了一個(gè)小數(shù)點(diǎn)。當(dāng)然，正常情況下這個(gè)時(shí)候老師都會(huì)用富含感情的話語表達(dá)，就那么一個(gè)小小的錯(cuò)誤就導(dǎo)致了那么大的災(zāi)難，所以在以后的學(xué)習(xí)生活中，要認(rèn)真、仔細(xì)、嚴(yán)謹(jǐn)……
　　
先不去糾結(jié)這個(gè)故事是否是中國教育界的原創(chuàng)，仔細(xì)想一下，小數(shù)點(diǎn)的錯(cuò)誤真的是一個(gè)小小的錯(cuò)誤嗎？
　　
小數(shù)點(diǎn)本身是不會(huì)出錯(cuò)的，沒有人會(huì)把它寫成別的符號。這里說的小數(shù)點(diǎn)錯(cuò)誤，只有一種可能，就是小數(shù)點(diǎn)的位置有誤，包括該有小數(shù)點(diǎn)的地方?jīng)]加小數(shù)點(diǎn)，以及不該有小數(shù)點(diǎn)的地方卻加上了小數(shù)點(diǎn)，這意味著，整個(gè)的數(shù)量級都是錯(cuò)誤的。而航天相關(guān)的計(jì)算中，很少使用加減法，更多的是乘、除，以及乘方等運(yùn)算，這樣會(huì)導(dǎo)致最終的結(jié)果也會(huì)出現(xiàn)數(shù)量級的錯(cuò)誤，而這種錯(cuò)誤，與正確結(jié)果至少相差十倍。這樣看來，這個(gè)小數(shù)點(diǎn)還能算作小問題嗎？
　　
而與此同時(shí)，在高中物理課上，關(guān)于萬有引力相關(guān)的部分（包括一些航天相關(guān)的），很多情況下的計(jì)算結(jié)果并不要求十分精確，只要數(shù)量級是正確的、并且前面的數(shù)值在某個(gè)范圍內(nèi)，就算正確，甚至高考的時(shí)候都是這樣。也就是說，在這種特殊的領(lǐng)域，對于小數(shù)點(diǎn)后幾位的值，是沒必要十分精確的，盡管它的絕對數(shù)值也許會(huì)很大（如果數(shù)量級很大的話，小數(shù)點(diǎn)之后很多位所代表的實(shí)際數(shù)值也會(huì)是很大的）。
　　
就像這部分開頭的段子那樣，對于人來說，二十年是一個(gè)很大的數(shù)量，人生能有幾個(gè)二十年呢；但對于遠(yuǎn)古時(shí)期的化石來說，甚至兩百年、兩千年都是可以被忽略不計(jì)的。同樣，對于地球上生活的人類來說，一公里是一個(gè)比較長的距離，但是在茫茫宇宙，它也是可以被忽略不計(jì)的部分。我們會(huì)用幾萬年前、幾百萬年前或者幾億年前來記錄古生物所處的時(shí)期，會(huì)用光年作為單位去衡量宇宙中的距離，盡管這樣的數(shù)值是不需要精確到具體多少年或者具體多少公里，但如果年限的數(shù)量級、光年前面的整數(shù)位數(shù)值都是錯(cuò)誤的，那這樣的數(shù)據(jù)也就是失去了它的意義。
　　
這就是大數(shù)據(jù)所謂的不要求精確性，它僅僅是不去糾結(jié)于那些被忽略不計(jì)的小數(shù)點(diǎn)后多少位的具體值；然而，它并不意味著準(zhǔn)確性也不做要求，如果整數(shù)位、甚至數(shù)量級本身就是錯(cuò)誤的，那得出的結(jié)論就會(huì)與實(shí)際情況相差很遠(yuǎn)，也就失去了它的意義和價(jià)值。
　　
當(dāng)然，之所以可以不要求精確性，也是因?yàn)椤按髷?shù)據(jù)”處理的是歷史數(shù)據(jù)。對于一些正在使用的數(shù)據(jù)來說，是需要精確性的：銀行賬戶上的金額，以及支付寶、余額寶相關(guān)的交易金額，這些都是需要完全精確的，以保證社會(huì)的公平；某些觀測數(shù)據(jù)也是需要精確性的，也許小數(shù)點(diǎn)后的某一位的區(qū)別，都可能得到不同的結(jié)果；甚至對于一些醫(yī)療相關(guān)的數(shù)據(jù)，也許幾毫克的差別都會(huì)影響著一個(gè)生命是否會(huì)消逝；更別說還有其他意義更加重大的數(shù)據(jù)了。然而，等到“大數(shù)據(jù)”進(jìn)行處理的時(shí)候，它實(shí)際上已經(jīng)完成了歷史使命，那么即使它不是十分精確，至少不會(huì)造成嚴(yán)重的后果。
　　
而事實(shí)上，當(dāng)數(shù)據(jù)量達(dá)到一定程度的時(shí)候，數(shù)據(jù)本身就無法保證其準(zhǔn)確性了。比如，當(dāng)每小時(shí)只測量一次的時(shí)候，可以認(rèn)認(rèn)真真、仔仔細(xì)細(xì)的進(jìn)行測量，這樣的數(shù)據(jù)可以說是準(zhǔn)確的；但如果每幾分鐘就要測一次呢，就無法保證每一次都非常認(rèn)真，就不可能十分精確；當(dāng)每幾秒鐘就需要測一次的話，人工就無法實(shí)現(xiàn)了，必須借助工具，數(shù)據(jù)的準(zhǔn)確程度就與相應(yīng)的工具息息相關(guān)；而如果一秒中要測量多次呢，也許再精妙的工具都無法保證每一條數(shù)據(jù)都是非常精確的。
　　
各種理論直接往往都是相通的，量子物理學(xué)里有一個(gè)“測不準(zhǔn)原理”，而在大數(shù)據(jù)領(lǐng)域也有類似的原理，即在測量的密度增大之后，測量值的不確定性就會(huì)增加。當(dāng)然，這并不能阻礙大數(shù)據(jù)的使用，因?yàn)檫@樣的數(shù)據(jù)之間是可以進(jìn)行相互印證的。
　　
一般情況下，“大數(shù)據(jù)”是不會(huì)只使用一種數(shù)據(jù)來源的，它會(huì)將多個(gè)數(shù)據(jù)來源進(jìn)行綜合分析，從而實(shí)現(xiàn)各數(shù)據(jù)信息之間的相互印證。而這種互相印證的過程，也是去粗取精、去偽存真的過程，這樣一來利用不精確的數(shù)據(jù)源，反而能夠獲得更加準(zhǔn)確的結(jié)論。
　　
不過，這導(dǎo)致了數(shù)據(jù)的結(jié)構(gòu)化程度降低了。對于傳統(tǒng)技術(shù)而言，一般處理的都是結(jié)構(gòu)化的數(shù)據(jù)，即每條記錄都有同樣的結(jié)構(gòu)，而且?guī)缀醢怂兄笜?biāo)的信息。然而，“大數(shù)據(jù)”所處理的數(shù)據(jù)，還包含半結(jié)構(gòu)化或者非結(jié)構(gòu)化的，甚至是圖片、音頻、視頻等非文本的。這也就是相對于傳統(tǒng)技術(shù)而言，大數(shù)據(jù)技術(shù)的一個(gè)飛躍性的提升。
　　
也許在面對這種所謂的“大數(shù)據(jù)”的情形，很類似一名警官面對一樁復(fù)雜的案件。在他的面前有各種線索：有可能讓人的消化道不舒服的死者的狀態(tài)，有現(xiàn)場的情況（包括實(shí)地觀測及相關(guān)的照片信息），有與死者相關(guān)的人物信息及與死者的關(guān)系情況（主要是利益關(guān)系以及是否彼此之間有矛盾），有目擊者或者相關(guān)人員的證詞，有通過法醫(yī)學(xué)測驗(yàn)得出的各種結(jié)論，甚至包括現(xiàn)場周圍監(jiān)控錄像的內(nèi)容……最終的目的就是將這些信息整合成一個(gè)完整的證據(jù)鏈，發(fā)現(xiàn)以及證明誰是兇手。類似的，這些線索中，有跟案件緊密聯(lián)系的，也有跟本案毫無關(guān)系的干擾信息，也有因?yàn)榉N種原因?qū)е碌牟煌耆珳?zhǔn)確甚至完全不準(zhǔn)確的信息，甚至也有兇手為了干擾辦案人員故意給出的假線索。當(dāng)處理這些浩如煙海的線索的時(shí)候，不僅需要通過單個(gè)線索獲得相應(yīng)的結(jié)論，還需要將各線索的得出的結(jié)論進(jìn)行綜合分析、互相印證，這樣才能最終得到正確的結(jié)論。
　　
其實(shí)人生也一樣，一方面，生活本身就是繁雜的（寫這篇文章的方式也盡可能符合這一點(diǎn)，即盡可能包羅萬象），“結(jié)構(gòu)化”的只是其中的一小部分，更多的是“非結(jié)構(gòu)化”的。
　　
哪怕是僅僅作為一個(gè)“碼農(nóng)”，也是一樣的：如果只了解所使用的技術(shù)，哪怕研究得再深入，那也是一個(gè)低層次的“碼農(nóng)”；想要成為一名高層次的“碼農(nóng)”，還需要了解一些看起來跟編碼沒有半毛錢關(guān)系的知識。
　　
我們都知道愛因斯坦作為一名科學(xué)家所獲得的成績，而與此同時(shí)，他還是一個(gè)優(yōu)秀的小提琴手，在音樂上也有很深的造詣。很難想象，如果愛因斯坦的腦子里只有一個(gè)個(gè)冰冷的物理公式，他是否還能做出這么大的成績。
　　
隨著信息時(shí)代的到來，我們已經(jīng)不需要陳景潤式的人物了，更需要的是對多個(gè)領(lǐng)域都有所了解的人才，或者說是“一專多能”式的人才，這樣才能整合各領(lǐng)域的信息，在更高的層面上有所建樹。
　　
另一方面，生活本身也是不完美的。當(dāng)然，我們需要有追求完美的精神；但是，如果刻意的追求完美，一味的糾結(jié)于各種細(xì)節(jié)，反而會(huì)“因?yàn)橐黄瑯淙~而失去了整個(gè)森林”。同樣的，精確性是我們的努力的目標(biāo)，但我們應(yīng)該清楚，絕對的精確是不存在的。
　　
三、大數(shù)據(jù)的理念之：更加關(guān)注相關(guān)規(guī)律
　　
在這一點(diǎn)上，我們的維克托同學(xué)給出了一個(gè)“標(biāo)新立異”的觀點(diǎn)，即只關(guān)注關(guān)聯(lián)關(guān)系，不關(guān)注因果關(guān)系。這也許是很多人，包括翻譯那部作品的那位同學(xué)，堅(jiān)決持反對態(tài)度的一個(gè)觀點(diǎn)。然而，是不是我們沒有理解作者的意圖呢？
　　
經(jīng)過了八年的豌豆實(shí)驗(yàn)，孟德爾先生發(fā)現(xiàn)了遺傳學(xué)的兩大定律：分離定律和自由組合定律。而此時(shí)他發(fā)現(xiàn)的僅僅是關(guān)聯(lián)關(guān)系，即對于某一類相對性狀，存在顯性和隱性，如果將兩個(gè)不同性狀的物種進(jìn)行雜交，其后代呈現(xiàn)顯性性狀；而如果將這些呈現(xiàn)顯性性狀的第二代物種彼此之間進(jìn)行雜交，其第三代中所呈現(xiàn)的顯性性狀與隱性性狀的比例約為3:1。而至于為什么會(huì)是這樣，以當(dāng)時(shí)的情況，是無法解釋的。
　　
在此之后，科學(xué)家們在細(xì)胞核內(nèi)發(fā)現(xiàn)的染色體，并在染色體中發(fā)現(xiàn)的遺傳基因，同時(shí)也發(fā)現(xiàn)了染色體是成對出現(xiàn)的，以及在細(xì)胞的有絲分裂和減數(shù)分裂時(shí)染色體的狀態(tài)，甚至發(fā)現(xiàn)了遺傳基因的載體DNA的雙螺旋結(jié)構(gòu)。在此基礎(chǔ)上提出的顯性基因和隱性基因的理論，從而解釋了孟德爾的遺傳定律。
　　
然而，這就是根本原因嗎？顯然不是，至少為什么第二代會(huì)呈現(xiàn)出顯性基因的性狀，這還是一個(gè)未解之謎。要想知道這個(gè)的原因，需要了解關(guān)于DNA的更多的信息，甚至在此之外還有更多需要研究的地方。
　　
而這里的第一部分，我們可以理解成另外一個(gè)大數(shù)據(jù)分析的步驟，通過對海量的數(shù)據(jù)進(jìn)行分析處理之后得到了一個(gè)關(guān)聯(lián)關(guān)系。然后呢，就木有然后了。如果想要知道因果關(guān)系，即這個(gè)關(guān)聯(lián)關(guān)系的相關(guān)原理，需要從理論高度進(jìn)行研究，或者通過其他途徑得到其本質(zhì)原因，而大數(shù)據(jù)本身對此是無能為力的。
　　
其實(shí)很多的科學(xué)研究的過程都是這樣：先通過一些實(shí)驗(yàn)數(shù)據(jù)得到一個(gè)結(jié)論或者假說（即上面提到的關(guān)聯(lián)關(guān)系），再通過理論推導(dǎo)或者更高層次的研究，了解其本質(zhì)（即因果關(guān)系）。而大數(shù)據(jù)所扮演的僅僅是先前的實(shí)驗(yàn)過程而已。
　　
故曰，之所以說大數(shù)據(jù)不關(guān)注因果關(guān)系，是因?yàn)樗旧硎菬o法得到因果關(guān)系的，并不是說因果關(guān)系不重要。
　　
由于因果關(guān)系需要進(jìn)行嚴(yán)謹(jǐn)?shù)姆治?，甚至需要一點(diǎn)點(diǎn)的靈感，它并不是在短時(shí)間內(nèi)能夠得到的。而經(jīng)過大數(shù)據(jù)分析，已經(jīng)基本上可以保證關(guān)聯(lián)關(guān)系的準(zhǔn)確性，而且其本身還屬于“僅供參考”的范疇，直接使用得到的結(jié)論，至少結(jié)果不會(huì)太糟（除非分析方法嚴(yán)重有誤）。在追求效率的今天，這種“先斬后奏”還是值得嘗試的。
　　
況且，如果沒有通過大數(shù)據(jù)得到的關(guān)聯(lián)關(guān)系，對于相關(guān)因果關(guān)系的探求就沒有了方向。所以說，大數(shù)據(jù)僅僅是第一步，唯一的區(qū)別就是，在沒有得到因果關(guān)系之前，相應(yīng)的結(jié)論就可以放心大膽的使用；而對于相應(yīng)的因果關(guān)系，那是給想要獲得諾貝爾獎(jiǎng)的人們準(zhǔn)備的。（文章來源：CDA數(shù)據(jù)分析師）